Dùng hỗn độn để phát hiện trật tự

Các nhà nghiên cứu của Đại học Twente, Hà Lan, đã phát triển một mạng lưới thần kinh nhân tạo lấy cảm hứng từ não người có khả năng tiết kiệm năng lượng và hoạt động ở nhiệt độ phòng.

Cấu trúc pha tạp Bo nhìn từ trên xuống (ảnh quyét bằng kính hiển vi điện tử) và nhìn ngang. Nguồn: Đại học Twente

Dựa trên công nghệ silicon, họ đã phát triển được mạng lưới đặc biệt này. Với cơ chế dẫn truyền “nhảy cóc”, hệ thống có thể tự tìm đến giải pháp mà không cần sử dụng các cấu phần thiết kế trước như cách vận hành thông thường. Nghiên cứu “Classification with a disordered dopant atom network in silicon” (Phân loại với việc dùng mạng nguyên tử pha tạp hỗn độn trên nền tảng silicon) được xuất bản trên tạp chí Nature.

Một mạng lưới hỗn độn có khả năng phát hiện ra các khuôn mẫu trật tự, nghe có vẻ mâu thuẫn nhưng lại rất gần với cách não người hoạt động. Bộ não có khả năng nhận dạng khuôn mẫu rất tốt. Trong một vài trường hợp, trí tuệ nhân tạo có khả năng làm tốt hơn nhưng cái giá đi kèm là công suất tính toán khổng lồ, trong khi não bộ chỉ tiêu thụ năng lượng tầm 20 watt. Ngành công nghiệp bán dẫn hiện đang áp dụng các chiến lược thiết kế máy tính mới lấy cảm hứng từ chức năng não bộ, chẳng hạn bộ xử lý Loihi của Intel có các neuron và khớp thần kinh. Tuy nhiên, việc bắt chước một tế bào thần kinh cần tới hàng ngàn bóng bán dẫn, trong khi đó bộ não có tới hàng chục tỷ tế bào thần kinh. Người ta nghĩ đến cách tiếp cận tiểu hình hóa linh kiện (miniaturization) nhưng công nghệ này đang đạt đến giới hạn vật lý.

Bài báo về mạng nguyên tử pha tạp hỗn độn mới đăng trên Nature sử dụng cách tiếp cận hoàn toàn khác: thay vì dùng các neuron hoặc mạng điện tử được thiết kế trước, các nhà khoa học dùng các thuộc tính vật liệu. Cách tiếp cận này vừa tiết kiệm được năng lượng vừa không chiếm nhiều bề mặt không gian của vật liệu.

Trong lĩnh vực điện tử, việc pha thêm tạp chất vào mạng tinh thể silicon ở nồng độ đủ cao là cách làm phổ biến để tạo ra các tính chất mới của bóng bán dẫn. Trong trường hợp này, nồng độ nguyên tố Bo (B) thấp trong vật liệu sẽ dẫn đến trạng thái nhiều nhà thiết kế muốn tránh nhưng đó chính là cách để mạng lưới hỗn độn hoạt động hiệu quả nhất với cơ chế “nhảy cóc” – các electron nhảy từ nguyên tử Bo này sang nguyên tử Bo khác, tạo ra việc truyền điện – tương tự như việc tế bào thần kinh liên kết để phân loại thông tin. Chẳng hạn, mạng lưới thần kinh được cung cấp 16 mẫu cơ bản gồm bốn chữ số và mỗi mẫu tạo ra một tín hiệu đầu ra khác nhau. Với hệ cơ số 16 này, người ta có thể nhận biết một cơ sở dữ liệu chữ viết tay với tốc độ và độ chính xác cao. Các mẫu cơ bản hiện có đường kính 300 nanomet, chứa khoảng 100 nguyên tử Bo và tiêu thụ khoảng 1 microwatt năng lượng.

Trong các hệ thống tương lai sử dụng loại mạng hỗn độn này, việc nhận dạng mẫu có thể được thực hiện trong phạm vi nhỏ mà không cần sử dụng năng lực tính toán từ xa. Chẳng hạn với xe tự lái, để đưa ra quyết định chúng cần nhận diện các đối tượng trên đường. Điều này đòi hỏi một hệ thống máy tính có khả năng tích hợp hoặc kết nối đám mây băng thông cao, thậm chí là cả hai. Nhưng với cách tiếp cận này thì chỉ cần truyền tải ít dữ liệu hơn. Ngành công nghiệp sản xuất ô tô đã quan tâm đến phương pháp mới của Đại học Twente. Loại điện toán biên này cũng có thể sử dụng để phát hiện khuôn mặt.

Ngô Hà dịch

Nguồn: https://techxplore.com/news/2020-01-brain-like-network-disorder.html